以熱力圖樣式顯示 Pandas DataFrame

---

Pandas 是一個強大的資料分析庫，提供了廣泛的功能來處理結構化資料。表示資料最流行的方法之一是透過熱力圖，它允許您以表格格式視覺化資料，顏色表示值。在本文中，我們將探討如何使用 Seaborn 庫以熱力圖樣式顯示 Pandas DataFrame。

在資料分析和視覺化中，熱力圖是一種流行的工具，用於顯示錶格資料集中變數之間的關係。熱力圖將資料表示為彩色正方形的網格，每個正方形的顏色表示該單元格中資料的相對值。熱力圖廣泛應用於各個領域，包括生物學、金融和社會科學。

在本文中，我們將探討如何使用 Seaborn 庫以熱力圖樣式顯示 Pandas DataFrame。

安裝 Seaborn

Seaborn 是一個基於 matplotlib 的 Python 資料視覺化庫。它提供了一個高階介面，用於建立資訊豐富且美觀的統計圖形。要安裝 Seaborn，您可以在終端中使用以下命令：

pip install seaborn 

匯入庫

安裝 Seaborn 後，我們需要將其與其他所需的庫一起匯入。我們將使用 Pandas 載入和處理我們的資料，並使用 Matplotlib 顯示我們的熱力圖。

import pandas as pd
import seaborn as sns 
import matplotlib.pyplot as plt 

載入資料

在本例中，我們將使用一個虛構公司員工績效的資料集。該資料集包含有關員工年齡、性別、部門、薪資和績效評級的資訊。

df = pd.read_csv('employee_performance.csv') 

建立熱力圖

現在我們已經載入了資料集，我們可以使用 Seaborn 庫的 heatmap 函式建立一個熱力圖。我們將把我們的 DataFrame 傳遞給此函式，Seaborn 將自動生成一個熱力圖。

sns.heatmap(df) 
plt.show() 

此程式碼將生成具有預設設定的 DataFrame 熱力圖。預設情況下，Seaborn 將使用顏色漸變來表示 DataFrame 中單元格的值。顏色越深，值越高。我們還可以使用各種引數自定義我們的熱力圖。

自定義熱力圖

顏色對映

我們可以使用 **cmap** 引數更改熱力圖的顏色調色盤。Seaborn 提供了各種顏色調色盤，我們可以選擇適合我們資料的調色盤。例如，我們可以透過將其傳遞給 **cmap** 引數來使用 **Blues** 顏色調色盤。

sns.heatmap(df, cmap='Blues') 
plt.show() 

此程式碼將使用 **Blues** 顏色調色盤生成熱力圖。

註釋

我們還可以使用單元格的實際值來註釋我們的熱力圖。我們可以使用 **annot** 引數來實現此目的。預設情況下，Seaborn 將顯示單元格的實際值。我們還可以使用 **fmt** 引數格式化這些註釋。

sns.heatmap(df, cmap='Blues', annot=True, fmt='.2f') plt.show() 

此程式碼將生成一個具有格式化為兩位小數的單元格註釋的熱力圖。

軸標籤

我們還可以使用 **xlabel** 和 **ylabel** 引數向熱力圖新增軸標籤。

sns.heatmap(df, cmap='Blues', annot=True, fmt='.2f') 
plt.xlabel('Features') plt.ylabel('Employees') 
plt.show() 

此程式碼將生成一個帶軸標籤的熱力圖。

結論

在本文中，我們探討了如何使用 Seaborn 庫以熱力圖樣式顯示 Pandas DataFrame。我們學習瞭如何使用各種引數（如顏色對映、註釋和軸標籤）自定義我們的熱力圖。透過以熱力圖樣式視覺化我們的資料，我們可以快速識別變數之間的模式和關係，從而更容易從資料中獲得見解。